چکیده :
بازار اعتبارات مصرفی در ایران با تشکیل بانکهای خصوصی رونق یافته است. فعالیت اصلی در این بازار اعطای تسهیلات مصرفی به متقاضیان بوده و این امر نیاز به اعتبار سنجی متقاضیان تسهیلات جهت کاهش ریسک اعتباری دارد. امروزه سیستمهای هوشمند کاربردهای فراوانی در امور مختلف بانکی و مالی پیدا کردهاند. بررسی و تصویب اعتبارات یکی از کاربردهای شبکه عصبی است. پژوهش حاضر با هدف ارائه مدل مناسب بررسی رفتار اعتباری مشتریان تسهیلات مصرفی وام مضاربه با استفاده از شبکه های عصبی جهت رتبه بندی اعتباری شکل گرفته است. به دنبال این هدف ابتدا عوامل مهم تاثیر گذار بر رفتار اعتباری مشتریان شناسایی گردید و سپس مشتریان به سه دسته خوش حساب، بد حساب وسر رسید گذشته تقسیم شدند.
در مرحله بعد مدلهای شبکه عصبی پس از طراحی؛ با دادههای آموزشی؛ آموزش داده شده و سپس با دادههای آزمایشی مورد آزمایش قرار گرفتند.
نتایج بدست آمده نشان میدهد که رفتار اعتباری مشتریان با استفاده از مدلهای رتبه بندی شبکههای عصبی قابل پیش بینی است.
کلمات کلیدی
شبکه عصبی؛ رتبه بندی اعتباری؛ تسهیلات
فهرست مطالب
فصل اول
کلیات تحقیق 1
مقدمه 2
1-1 بیان مسأله 4
1-2 سوالهای تحقیق 7
1-3 اهمیت و ضرورت موضوع تحقیق 7
1-4 اهداف تحقیق 8
1-5 فرضیات تحقیق 9
1-6 چارچوب نظری تحقیق 10
1-7 متغیرهای پژوهشی 12
1-8 سابقه و ضرورت انجام تحقیق (پیشینه تحقیق) 13
1-9 کاربردهای تحقیق 15
1-10 نوع روش تحقیق 16
1-11 محدوده تحقیق 16
1-12 روش نمونه گیری و تعیین حجم نمونه 17
1-13 ابزار گردآوری اطلاعات 18
1-14 محدودیتهای تحقیق 18
1-15 روش تجزیه و تحلیل اطلاعات 19
1-16 برخی تعاریف، مفاهیم و اصطلاحات 19
فصل دوم 22
ادبیات تحقیق 23
مقدمه 24
بخش اول 25
آشنایی با بانک سامان و انواع تسهیلات 25
آشنایی با بانک سامان 26
چارت خدمات بانک سامان 29
انواع سپردههای سرمایه گذاری 29
سپرده کوتاه مدت 29
سپرده کوتاه مدت ویژه 30
سپرده بلند مدت 30
سپرده اندوخته 31
سپرده ارزی 32
تسهیلات حقوقی 32
ابزارهای اعتباری 33
انواع ابزارهای اعتباری 33
ضوابط و معیارهای اساسی اعطای تسهیلات 34
1- قابلیت اعتماد و اطمینان 37
2- قابلیت و صلاحیت فنی 39
3- ظرفیت مالی و کشش اعتباری 40
4- وثیقه (تامین) 42
بخش دوم 47
مبانی نظری رتبه بندی اعتبار 47
مقدمه 48
2-1 مروری بر تاریخچه رتبه بندی اعتبار 50
2-2 رتبه بندی اعتبار 52
فرآیند تصمیم گیری اعطای تسهیلات 53
3-2 سیستمهای رتبه بندی اعتبار 58
4-2 مدلهای رتبه بندی اعتباری 59
5-2 مزایا و محدودیتهای مدل رتبه بندی اعتبار 60
- محدودیتها 60
بخش سوم 62
مبانی نظری شبکه عصبی 62
مقدمه 63
3-1 هوش مصنوعی 65
3-2 مروری بر تاریخچه شبکه عصبی 67
3-3 شبکههای عصبی مصنوعی 70
3-4 اساس بیولوژیکی شبکه عصبی 75
3-5 مقایسه بین شبکههای عصبی مصنوعی و بیولوژیکی 79
3-6 مدل ریاضی نرون 80
3-7 ویژگیها و خصوصیات شبکههای عصبی مصنوعی 82
3-7-1 قابلیت یادگیری 82
3-7-2 پردازش اطلاعات به صورت متنی 83
3-7-3 قابلیت تعمیم 83
3-7-4 پردازش موازی 84
3-7-5 مقاوم بودن 84
3-8 مشخصههای یک شبکه عصبی 84
3-8-1 مدلهای محاسباتی 85
3-8-2 قواعد یادگیری 88
3-8-3 معماری شبکه 90
3-9 عملکرد شبکههای عصبی مصنوعی 101
3-10 محدودیتهای شبکه عصبی 103
3-11 کاربرد شبکههای عصبی در مدیریت 104
بخش چهارم 110
خلاصه مقالهها 110
بخش پنجم 124
نتیجه گیری 124
فصل سوم 129
روش شناسی تحقیق 129
3-1 مقدمه 130
3-2 روش تحقیق 131
3-3 جامعه آماری 132
3-4 نمونه آماری 132
3-5 فرضیات تحقیق 133
3-6 محدوده تحقیق 135
3-7 جمع آوری دادهها 136
3-8 تعیین حجم نمونه 137
3-9 ابزار گردآوری دادهها 138
3-10 روش تجزیه و تحلیل دادهها 138
3-11 فرآیند تحقیق 141
فصل چهارم 153
یافتههای تحقیق 153
4-1 مقدمه 154
4-4-1 آماده سازی دادههای ورودی جهت رتبه سنجی مشتریان با کمک شبکه عصبی آماده سازی دادهها 154
معماری شبکه 155
فصل پنجم 162
نتیجه گیری و پیشنهادها 162
نتیجه گیری 163
پیشنهادات 168
فهرست اشکال
شکل (2-1) : ساختار نورون 77
شکل (2-2) : اولین مدل دقیق سلول عصبی 81
شکل (3-3) : معماری شبکه 91
شکل (3-4) : پرسپترون چند لایه 92
شکل (3-5) : نحوه تشکیل محدودههای فضا توسط تعداد مختلف لایههای پرسپترون 95
شکل (3-6) : شبکه هاپفیلد 101
فهرست جداول
جدول (3-1) : توابع محرک با علائم قرار دادی 87
جدول (4-1) : مقایسه نتایج میانگین خطا در مدل A 157
جدول (4-2) : نتایج اجرای آموزش مدل A 157
جدول (4-3) : مقایسه نتایج میانگین خطا درمدل B 158
جدول (4-4) : نتایج اجرای آموزش مدل B 158
جدول (4-5) جدول مقایسه نتایج 159
جدول (4-6) نتایج اجرای مدلA 160
جدول (4-7) نتایج اجرای مدل B 160
پیوست :
پیوست الف : جداول و نمودارهای مربوط به مدل A 170
پیوست ب :جداول و نمودارهای مربوط به مدل B 173
شامل 189 صفحه word
دانلود تحقیق طراحی و تبیین مدل رتبه بندی اعتباری مشتریان با استفاده از شبکههای عصبی (بررسی موردی بانک سامان استان تهران)